文献类型：期刊文章

作　　者：张红[1] 程传祺[1] 徐志刚[1] 李建华[2]

ZHANG Hong;CHENG Chuanqi;XU Zhigang;LI Jianhua(School of Computer and Communication,Lanzhou University of Technology,Lanzhou 730050,China;School of Mechanical and Electrical Engineering,Lanzhou University of Technology,Lanzhou 730050,China)

机构地区：[1]兰州理工大学计算机与通信学院,兰州730050 [2]兰州理工大学机电工程学院,兰州730050

出　　处：《计算机工程与应用》

基　　金：国家重点研发计划(No.2018YFB1702900,No.2019YFB1707300)。

年　　份：2020

卷　　号：56

期　　号：24

起止页码：1-11

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSCD、CSCD_E2019_2020、IC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：数据融合是最大程度发挥大数据价值的关键,深度学习是挖掘数据深层特征信息的技术利器,基于深度学习的数据融合能够充分挖掘大数据潜在价值,从新的深度和广度拓展对世界的探索和认识。综述了近几年基于深度学习的数据融合方法的相关文献,以此了解深度学习在数据融合中应用所具有的优势。分类阐述常见的数据融合方法,同时指出这些方法的优点和不足。从基于深度学习特征提取的数据融合方法、基于深度学习融合的数据融合方法、基于深度学习全过程的数据融合方法三个方面对基于深度学习的数据融合方法进行分析,并做了对比研究与总结。总结全文并讨论了深度学习在数据融合中应用的难点和未来需要进一步研究的问题。

关 键 词：数据融合 信息融合 深度学习  算法分类  

分 类 号：TP391]